基于小波变换的激光多普勒血流信号处理研究

激光多普勒血流量检测系统提取的光电信号中存在较大的高斯白噪声,为了消除这些噪声干扰,提取激光多普勒信号,提出了一种基于小波变换,使用Matlab中的wavelet toolbox对所得信号进行五层离散小波分解、阈值变换、消噪以及信号重构的处理方法。结果表明,该方法可有效地抑制噪声,从原始光电信号图中提取多普勒信号并对其进行分析,计算血流速度。该研究结果对后续的分析多普勒血流信号,实时检测血流量变化情况,解释血流病理含义,进而对诊断病因、指导医疗手段均有一定的参考价值。     

基于小波变换的心电信号降噪处理

实测的心电信号不可避免地存在一些强干扰和噪声,为了实现准确地提取反映心电信号的特征信息,该文应用一维离散小波变换实现了对心电信号的降噪处理。实验研究结果表明,该方法能够有效地去除心电信号中的噪声,从而为心电信号特征信息的提取奠定了理论基础。     

基于改进水平集图像分割方法的乳腺超声病灶提取

准确高效的乳腺超声病灶提取技术具有重要应用价值,但超声图像灰度不均匀、伪影重、噪声强、乳腺病灶区域与周围组织相似度较高等特有属性给自动分割带来很大挑战。RSF模型是一种较为成功的图像分割方法,但对初始轮廓和噪声较敏感,直接用于病灶提取有待改进。针对图像局部分割需求,通过预提取初始分割区域作为水平集的初始条件,有助于提高分割精度;以局部能量为主导,较好地处理灰度不匀的超声特质,增加全局能量项以使零水平集能够更好地定位在弱边界;引入灰度变化率作用以提高轮廓在灰度匀质部分的演化速度。分割实验结果表明,该方法能较为准确地定位乳腺超声病灶,有一定的临床参考价值。     

超声多普勒流量信号的多声道互相关检测方法

针对低流速下的液体超声多普勒流量信号微弱杂乱、难以测量的问题,提出一种使用多个接收通道采集数据、进行多重互相关运算的处理方法,可以在不改变有用信号特征的前提下滤除噪声干扰,提取有用信号.首先利用FFT谱分析方法测得当前信号的频率范围,然后以合适的时间间隔在多个通道上同时进行数据采集,最后采用多重互相关的方法对数据处理提升信号的信噪比,达到弱信号提取的目的.经仿真和实验验证:在多通道上采集超声多普勒流量信号,使用多重互相关函数的数据处理方法能有效地提高弱强度信号在强背景噪声中的信噪比,对提升和改进超声波多普勒流量计的性能有良好效果,有效扩展测量下限.     

一种新的车牌字符分割方法

在车牌识别系统中,字符分割的效果起着至关重要的作用.传统的方法对车牌图像的要求太高,这在一定程度上影响了车牌的识别率.针对字符断裂和背景噪声非常复杂情况下的车牌,利用小波变换是信号局部特征奇异性检测的有效方法,提出了三级分割算法,该方法能相当准确地提取出车牌中的字符,同时,在分割过程中,各字符间及宁符内的细微噪声也得到了很好的去除.实验结果表明:该方法能行之有效地提取车牌字符,准确率高,抗干扰能力强,在实际应用中取得了很好的效果.     

色多普勒超声肾动脉血流信号曲线分类研究

彩色多普勒超声是肾动脉狭窄的首选筛查工具,目前临床上主要依靠人工判别来诊断肾动脉狭窄,对操作者具有很强的依赖性。在肾动脉多普勒超声图像的基础上,通过提取肾动脉血流信号曲线、提取曲线特征,继而基于SVM构建分类器,对肾动脉血流信号曲线进行分类,取得了较高的分类精度,并与最大似然分类器进行了分类实验比较,在肾动脉狭窄的计算机辅助诊断方向进行了有意义的探索。     

可学习动态分组卷积神经网络的大规模点云分割

针对现有大规模点云语义分割算法提取特征时冗余干扰信息过多,导致神经网络分割性能较差的问题,提出可学习动态分组卷积神经网络架构,高效准确地实现大规模点云分割。对输入点云以分组的方式进行局部几何特征提取,并通过动态筛选和修剪冗余特征通道来减少无用特征信息对神经网络特征识别的干扰,进一步提高网络模型语义分割精度。构建位置编码模块,将点云位置特征映射到高维频域空间,使神经网络充分挖掘点云频域特征信息,增强特征的丰富性。对提取到的局部几何特征和全局单点位置特征进行融合,并构建可学习动态分组卷积神经网络,完成解码得到最终分割结果。实验结果表明,该算法在大规模点云分割数据集S3DIS和SemanticKITTI上的mIoU分别为69.6%和58.3%。与现有点云语义分割方法相比,所提出的网络模型具有更高的分割准确率和较低的参数量。     

小波滤波在超声管外测压回波处理中的应用

超声测压过程中信号受到噪声的干扰,使得回波信号质量较差。为提取后续特征,需对回波信号进行处理。而小波具有"变焦距"特性,在时域和频域中具有良好的局部分析能力,适合于超声等非平稳信号处理。在超声反射回波的数学模型基础上,利用小波滤波方法对超声信号进行预处理,提取强噪声背景中的弱回波信号。仿真及实验表明,用小波滤波能够有效抑制噪声,提高信噪比,且该方法原理简单,易于实现,为进一步研究超声管外测压奠定了基础。     

小邻域统计测地线活动轮廓医学图像分割模型

提出了局部统计信息测地线活动轮廓图像分割方法。该方法采用高斯分布拟合图像局部灰度统计特征信息,构造了方向性驱动项,来降低了灰度不均匀信息影响。在此基础上,建立了局部统计信息测地线能量泛函。通过极小化该泛函,来驱动演化曲线有序地向目标边界逼近,达到提取感兴趣区域轮廓目地。最后,整个分割过程采用二值水平集方法实现,来提高算法效率和稳定性。实验结果表明,该方法可以快速准确地分割医学感兴趣目标边界。     

基于奇异值分解及形态滤波的滚动轴承故障特征提取方法*

针对滚动轴承振动信号故障特征信息往往被强背景噪声淹没的问题,提出一种基于奇异值分解和形态滤波的振动信号故障特征提取方法。该方法利用信号时间序列重构的吸引子轨迹矩阵奇异值分布特征与信号自身特征的关系,选择轨迹矩阵中主要反映冲击信息明显的奇异值进行信号重构的方法来滤除信号中的平滑信号和部分噪声,获取带噪声的冲击信号;然后利用形态滤波能有效滤除脉冲干扰噪声的特点,反其道而行之,从而提取信号的冲击故障特征的方法,并将该方法应用于轴承的振动信号的故障特征提取。仿真与实例表明,该方法能有效提取强背景信号及噪声中的弱冲击特征信号,是一种有效的弱信号特征提取方法。     

点式单波束多普勒测流系统的设计方法

为了加快多普勒流速计算速度和提高系统稳定性,提出基于FPGA技术的多普勒测速的设计方法,其中包括信号发射电路和信号接收电路;首先通过M码进行二相相移键控信号的调制,减少了回波误差、增加信号发射能量,有效地降低了水中超声波的能量耗散对信号提取的影响;然后对回波信号进行二相解调,并利用复自相关算法进行分析处理;最后,通过测速实验对所提方法进行验证;实验结果表明,所提方法不仅具有较低的实验误差而且具有较高的可靠性。     

基于K-SVD超声渡越时间获取方法研究

在超声回波检测信号中,反映污垢特征的冲击信号非常微弱,容易被噪声淹没。针对信号稀疏分解中常用匹配追踪分解不够准确的问题,提出基于K-SVD奇异值分解的超声渡越时间获取方法,利用K-SVD训练得到超声回波信号的过完备字典,结合正交匹配追踪进行局部搜索适配原子,以提高信号稀疏分解的速度和准确度。基于Comsol Multipysics仿真软件建立充液污垢管道三维有限元模型,研究了超声回波传播特性规律。将K-SVD算法应用于超声回波仿真信号和换热污垢管道回波检测信号的处理,并与原始小波训练字典进行对比。结果表明：改进的K-SVD字典学习算法能够在提高信号稀疏分解的同时,获得较好的降噪结果和污垢特征信息提取,对超声检测信号的处理具有实际意义。     

Analysis of the Doppler signals using largest Lyapunov exponent and correlation dimension in healthy and stenosed internal carotid artery patients

Nonlinear analysis techniques have been applied for many applications on the physiological systems. In this research, the largest Lyapunov exponent (LLE) and correlation dimension (CD) calculations were performed to evaluate the chaotic behaviour of blood flow obtained from the healthy and stenosed internal carotid artery (ICA) using noninvasive Doppler ultrasonography technique. The Doppler signals were taken from 30 healthy, 8 mild, 8 moderate and 8 serious degree of stenosis ICA subjects. The LLE calculation was performed by using Wolf algorithm. The Grassberger–Procaccia algorithm was used for CD analysis. The calculated LLE and CD values for stenosed ICA Doppler signals were found as significantly high compared to the values belonging to the healthy subjects. It is found that, the LLEs and CDs of stenosed ICA Doppler signals increase with the increasing of the degree of stenosis. The results show that the LLE and CD can be used for diagnosis of the ICA stenosis and to determine the degree of stenosis.     

Wavelet transform-based feature extraction for ultrasonic flaw signal classification

In this paper, we present automatic classification models for ultrasonic flaw signals acquired from carbon-fiber-reinforced polymer specimens. Different state-of-the-art strategies based on wavelet transform are utilized for feature extraction. Furthermore, a wavelet packet transform-based local energy feature extraction method is proposed to solve the deficiencies of the existing methods. Artificial neural networks and support vector machines are trained to validate the effectiveness of different feature extraction methods for flaw signal classification. Experimental results show that the proposed method can extract reliable features to effectively classify the different ultrasonic flaw signals with high accuracy.     

基于超声平面波的功率多普勒成像方法研究

基于平面波的超声成像方法可实现超快速的帧频,有利于检测人体组织中快速变化的信号,已成为超声领域研究的热点之一。采用多角度平面波相干复合的方法可有效抑制旁瓣,改善单一平面波的成像质量,权衡帧频和信噪比,可将其应用于血流的功率多普勒成像中。实验证明发射十个以上不同角度的平面波进行相干复合波束形成,B超图像对比度约为40 d B,且帧频可达1000 Hz。利用该方法在低速血流模型中进行实验,可以有效滤除组织信号,提取血流信号,信号强度表征血容量等血液动力学参数,说明基于平面波的功率多普勒方法对低速血流的检测具有较高的敏感性。在此基础上,深入探讨了复合图像采样帧数、时间分辨率和多普勒信息的关系。选取不同数量的复合图像计算血流功率多普勒信号,其帧频大于传统功率多普勒成像方法,可达百赫兹。复合图像帧数增多,帧频和时间分辨率降低,多普勒信息增强;反之亦然。高时间分辨率有利于快速血流检测,而提高灵敏度有利于微细低速血流检测。因此,基于平面波的功率多普勒成像技术有可能为心血管疾病和脑部血流检测开辟一条新思路。     

Pitch Detection Enhancement Employing Music Prediction

Pitch detection methods are widely used for extracting musical data from digital signals. A review of those methods is presented in the paper. Since musical signals may contain noise and distortion, detection results can be erroneous. In this paper a new method employing music prediction to support pitch determination is introduced. This method was developed in order to override disadvantages of standard pitch detection algorithms. The new approach utilizes signal segmentation and pitch prediction based on musical knowledge extraction employing artificial neural networks. Signal segmentation allows for estimating the pitch for a single note as a whole, therefore suppressing errors in transient and decay phases. Pitch prediction helps correcting pitch estimation errors by tracking musical context of the analyzed signal. As it was shown in the experimental results, pitch estimation errors may be reduced by using both signal segmentation and music prediction techniques.     

一种新的基于伪提取矢量的欠定盲分离方法

针对独立信号源的欠定盲分离,通过一定的理论分析,提出了一种基于伪提取矢量的欠定盲源分离方法。该方法通过判断采样点处取值占优的源信号,然后在观测信号采样点处选取对应的伪提取矢量,以恢复取值占优的源信号采样点的值,来实现欠定盲源分离。将该算法与经典的基于线性规划的欠定盲源分离方法进行了仿真,结果表明该方法由于在信号的各采样点处无需优化,因此大大提高了信号分离的速度,信号的分离速度要比基于线性规划的方法快数十倍。     

基于CUDA的超声脉冲多普勒成像

医学超声脉冲多普勒成像模式是在临床超声成像系统中获得人体血管中血流分布情况的一种重要的检测工具,与传统的B超,彩超成像模式不同,超声脉冲多普勒成像模式不仅可以通过频谱图显示表示流过取样容积的血流速度变化和测定某一位置的血流,而且相比较于连续波式多普勒模式它可以消除多普勒信号的混叠效应提高检测的空间分辨率。但是脉冲多普勒系统在处理时涉及大量的复杂运算,例如FFT（快速傅里叶变换）和卷积运算等,使其难于应用到临床实时系统中。为此研究并提出了一种基于统一计算设备架构（CUDA）平台的超声脉冲多普勒成像系统的并行处理算法。该算法包括了壁滤波、频谱估计、移频处理和频谱显示后处理等处理步骤的并行实现。数据实验结果表明,基于CUDA的超声脉冲多普勒成像处理结果与基于CPU的实现相比,不仅可以得到相同质量的频谱图,而且可以取得较大的加速效果,满足实时系统需求;数据测试显示,对于65 535×20的信号数据能够达到1秒处理2 770条谱线的计算性能,速度提高了约140倍。     

基于光纤传感技术的复合材料板低速冲击信号方向判别

为了准确识别复合材料板低速冲击信号,搭建了基于光纤Bragg光栅（FBG）传感器应变敏感特性的复合材料板冲击监测系统,分析了基于经验模态分解（EMD）的冲击信号特征提取方法,研究了基于信号特征提取的冲击信号方向判别。通过试验监测了在距离相等的情况下与传感器轴向角度为0°,15°,30°,45°,60°,75°,90°方向的冲击信号,分析得出冲击信号方向与EMD所得特征值呈余弦关系。结果表明：利用光纤传感技术和EMD法可精确判别低速冲击信号方向。